Qwen3 Max vs GLM-5
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
AlibabaのQwen3 MaxとZhipu AIのGLM-5は、注目度の高い主要AIモデルです。Qwen3 Maxは262.1K トークンのコンテキストウィンドウを備え、API料金は100万トークンあたり入力$2.00/出力$6.00、一方のGLM-5は204.8K トークンのコンテキストで入力$0.00/出力$0.00です。以下でベンチマーク、速度、コストを詳しく比較します。
任意のAIモデルを切り替えて比較
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Qwen3 Max
自律型エージェント・ツール特化Alibaba の Qwen3 Max は、自律型AIエージェントの実行、ツール呼び出し（Tool Calling）、複雑な業務自動化向けに設計されたAIモデルです。262K のコンテキストウィンドウ、毎秒 72 トークンの生成速度、知能指数 88/100（1Mトークンあたり入力$2・出力$6）を実現しています。
$2.00 / 1M
$6.00 / 1M
262.1K tokens
62.5%
GLM-5
オープンウェイト基盤モデルZhipu AI の GLM-5 は、オンプレミス環境でのセルフホスト、ファインチューニング、完全なデータ主権の確保向けに設計されたAIモデルです。205K のコンテキストウィンドウ、毎秒 68 トークンの生成速度、知能指数 87/100（無料のオープンウェイト提供）を実現しています。
$0.00 / 1M
$0.00 / 1M
204.8K tokens
58%
ひと目でわかる主な違い
- GLM-5 is 1.0x cheaper for API usage (input + output tokens combined).
- Qwen3 Max has a larger context window (262K vs 205K tokens).
- Qwen3 Max is faster at 72 tok/s vs 68 tok/s.
- Qwen3 Max leads on SWE-bench coding (62.5% vs 58.0%).
| Feature | Qwen3 Max | GLM-5 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 88 | 87 |
Provider | Alibaba | Zhipu AI |
Input Price Cost per million input tokens | $2.00 / 1M | $0.00 / 1M |
Output Price Cost per million output tokens | $6.00 / 1M | $0.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $1.28 / 1M | $0.00 / 1M |
Context Window Maximum input + output tokens | 262.1K tokens~393 A4 pages of text | 204.8K tokens~307 A4 pages of text |
Max Output Tokens Per single request | 16K | 16K |
Throughput Speed Tokens generated per second | 72 tok/s | 68 tok/s |
SWE-bench Verified Real-world software engineering | 62.5% | 58% |
GPQA Diamond Graduate-level reasoning | 71.2% | 68% |
Cached Input Price Prompt caching discount per 1M tokens | $0.40 / 1M | $0.00 / 1M |
分野別勝者スコアカード
At-a-glance decision framework検証済みベンチマークスコア比較
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Tokens emitted per second during active generation streaming.
レイテンシ＆応答時間
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
リアルタイムAPIトークン料金シミュレーター
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Qwen3 Max · Strengths & Key Advantages
- 262K のコンテキストウィンドウと最大 16K トークンの出力容量（SWE-bench Verified 62.5% · GPQA Diamond 71.2%）
- 毎秒 72 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 590ms の低遅延
- 優れたAPI経済性（1Mトークンあたり入力$2・出力$6）に加え、プロンプトキャッシュや構造化JSON出力・関数呼び出しに完全対応
Considerations & Trade-offs
- クラウド専用のプロプライエタリモデルのため、モデル重みをダウンロードしてオフライン実行することはできません
- 大量のトークンを処理する本番環境では、プロンプトキャッシュや Batch API の併用によるコスト最適化が推奨されます
GLM-5 · Strengths & Key Advantages
- 205K のコンテキストウィンドウと最大 16K トークンの出力容量（SWE-bench Verified 58% · GPQA Diamond 68%）
- 毎秒 68 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 580ms の低遅延
- オープンウェイトモデル (240B MoE)として vLLM・SGLang・Ollama を用いた自社GPUでのローカル運用が可能
Considerations & Trade-offs
- 非量子化のフル精度でローカル推論を行うには十分なGPU VRAM容量が必要です
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Qwen3 Max | GLM-5 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.28 | $0.00 |
Output Tokens / Task Tokens generated per task | 25K | 24K |
Reasoning Tokens / Task Thinking tokens burned per task | 10K | 8K |
技術仕様・スペック
Architecture, release timeline, capabilities, and modalities.
| Feature | Qwen3 Max | GLM-5 |
|---|---|---|
| Official API Model ID (SDK) | qwen3-max-instruct | glm-5 |
| API Protocol | Alibaba REST API (OpenAI-Compatible) | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2025-09 | 2026-02 |
| Knowledge Cutoff | July 2025 | December 2025 |
| Architecture | Advanced Dense/MoE Hybrid Frontier Transformer | Frontier Sparse Mixture-of-Experts Autoregressive Transformer |
| Parameters | Confidential | 240B MoE |
| Enterprise Rate Limits (RPM / TPM) | 5,000 – 15,000 RPM (Production Tier) · 800,000 – 2,000,000 TPM | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Flat rate ($2/1M in) across full 262K window | Free across full context window (only KV-cache VRAM scales) |
| Prompt Cache Policy & TTL | Cached input at $0.4/1M tokens | Automatic prefix KV-caching in vLLM / SGLang (0 cost) |
| Computer Use / GUI Agent | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | API Prompt Engineering & RAG Distillation | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) | Text BPE (~4 chars/token) |
| Quantization & Min GPU VRAM | Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 149 GB VRAM (4-bit Quantized) · 516 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Alibaba Production Safety & Alignment Verified | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text | text |
| Output Modalities | text | text |
Qwen3 Max vs GLM-5: よくある質問 (FAQ)
Which is more intelligent, Qwen3 Max or GLM-5?
Qwen3 Max is more intelligent. It scores 88 compared with 87 on the composite Intelligence Index.
Which model is faster?
Qwen3 Max is faster, generating 72 tokens per second compared with 68 tokens per second.
Which model is cheaper to run?
GLM-5 is cheaper at $0.00 per 1M tokens blended, compared with $1.28 (7:2:1 cache:input:output ratio).
Which model has lower latency?
GLM-5 has lower latency, with a time to first token of 0.58s compared with 0.59s.
Which model has a larger context window?
Qwen3 Max has a larger context window, supporting 262.1K tokens compared with 204.8K tokens.
総合評価
Qwen3 Max（自律型AIエージェントの実行、ツール呼び出し（Tool Calling）、複雑な業務自動化、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）とGLM-5（オンプレミス環境でのセルフホスト、ファインチューニング、完全なデータ主権の確保、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）はいずれも優れた選択肢です。高度な推論・コーディング精度ではQwen3 Maxがリードし、応答速度とスループットではQwen3 Maxが優れ、APIコスト効率ではGLM-5が有利です。
よくある質問 (FAQ)
コーディングや複雑な推論には Qwen3 Max と GLM-5 のどちらが適していますか？+
総合知能指数およびコーディング評価では Qwen3 Max が優位です。上部の SWE-bench や GPQA スコアもあわせてご確認ください。
Qwen3 Max と GLM-5 ではどちらのAPI料金が安いですか？+
Qwen3 Max は100万トークンあたり入力$2.00 / 出力$6.00、GLM-5 は入力$0.00 / 出力$0.00です。総合的なコスト効率では GLM-5 がより経済的です。
コンテキスト長と生成速度はどちらが優れていますか？+
コンテキストウィンドウは Qwen3 Max が 262.1K トークン、GLM-5 が 204.8K トークン です。出力スピード（トークン/秒）では Qwen3 Max がリードしています。
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- GLM-5.1 vs GLM-5：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- GLM-5 vs GLM-4.7-FlashX：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Qwen3.5 Plus vs Qwen3 Max：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Qwen3 Max vs Qwen3-VL Plus：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Aion-Mini：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Gemini 3.6 Flash：ベンチマーク・API料金・速度の徹底比較 (2026)比較
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
公的ソース: AlibabaおよびZhipu AI公式APIドキュメント、システムカード、独立ベンチマーク評価 (2026)。